IoT en Neuromorphic Computing

De combinatie van kunstmatige intelligentie en internet of Things (IoT) brengt ons mogelijkheden die we nu nog helemaal niet kennen. Cognitieve systemen zijn in staat om van data te leren, te beredeneren en vervolgens interacties met mensen te hebben. De enorme hoeveelheid beschikbare data van een relevant probleemveld wordt op een overzichtelijke manier beschikbaar gemaakt en helpt ons in het nemen van beslissingen. De cognitieve eigenschappen van een systeem worden steeds verfijnder en vertonen in toenemende mate gelijkenis met het handelen en denken van mensen. Voor de technische realisatie gebruiken we neurale netwerken en chips, de chipbakkers innoveren in hoog tempo en imponeren ons met indrukwekkende prestaties.

Traditionele systemen zijn steeds minder in staat om te gaan met de toenemende hoeveelheid data. Als je bedenkt dat de mens niet in staat is snel om te gaan met een enorme overvloed aan informatie en traditionele techniek geen omvangrijke gegevensstromen kan verwerken is dat wel een grappige parallel. De kracht zal dus voorlopig in samenwerking zitten!

Chip bootst brein na
Bij kunstmatige intelligentie gaat het meestal om het oplossen van een specifiek probleem waarbij vaak menselijk denken en handelen wordt nagebootst. Om dit te bereiken zijn parallelle structuren nodig zodat verwerking en opslag veel meer tegelijkertijd kan plaatsvinden. Partijen als IBM en Google zijn druk bezig met dergelijke structuren, maar ook onze innovatieve chipbakker Intel liet onlangs van zich horen. Zij zijn druk bezig met de Loihi test chip, een ‘neuromorfische’ processor. Deze nog experimentele chip is ontwikkeld om het menselijk brein na te bootsen en kan zorgen dat processen gebaseerd op kunstmatige intelligentie veel sneller verlopen. Het grote geheim is dat de nu nog veelvuldig gebruikte transistor gebaseerde circuits zijn vervangen door een architectuur waarvan de werking gemodelleerd is op zenuwcellen, neuronen dus. Intel investeert zwaar in deze toekomstige technologie en dat is niet alleen vanwege meer rekenkracht en parallelle processen, maar niet in de laatste plaats voor veel lagere rekenenergie in vergelijking met CMOS technologie.

Klein, kleiner kleinst
Overigens ontwikkeld CMOS technologie ook razendsnel, het 14nm silicium wordt op dit moment al vervangen door 10nm technologie, Intel noemt dit Cannon Lake. Deze miniaturisering gaat nog even door want aan de 7nm en zelfs de 5nm technologie wordt hard gewerkt door zowel Intel, Samsung als TSMC. De grote probleemgebieden bij doorontwikkeling naar nog kleinere chipstructuren zijn warmteontwikkeling en maximaal haalbare snelheden. Volgens deskundigen komen de grenzen van verkleining in zicht en zullen ook de steeds hoger wordende fabricagekosten doorontwikkeling naar andersoortige technologie noodzakelijk maken. Er wordt daarom naarstig gezocht naar opvolgers voor de huidige CMOS technologie. Onderzoeksgebieden als Fotonica, Grafeen, Koolstofnanobuisjes en Tunnel Field Effect Transistors staan daarom sterk in de belangstelling.

Quantumcomputing en Neuromorfische processoren
Het is dus logisch dat er fors wordt geïnvesteerd in nieuwe technologie. Er is steeds meer processorkracht nodig om bijvoorbeeld transacties op hoge snelheden te verwerken of snelle encryptie mogelijk te maken. Technieken als Blockchain, Cognitieve intelligentie en vergaande Internet of Things oplossingen hebben dringend behoefte aan deze doorontwikkeling. Partijen als IBM en Intel weten dit maar al tegoed en zetten daarom volop in op quantumcomputing en neuromorfische processoren. Steeds meer systemen leren van data en voeren transacties uit zonder dat daar menselijke inspanning aan te pas komt.

Het wordt steeds mooier in techniekland
We kunnen nog even vooruit voordat de toenemende processorkracht en de ontwikkelingen op neuromorphic computing op het niveau van het menselijk brein zitten. Als we kijken naar de mogelijkheden van onze rechterhersenhelft dan valt er nog heel wat techniek te ontwikkelen. Denk hierbij aan smaak, geur of textuur (herkennen hoe iets aanvoelt, bijvoorbeeld de structuur van iets laten herkennen met een smartphone of slimme lenstechnologie). Er zijn ook nog wat spanningsvelden te overwinnen. We kunnen veel informatie beschikbaar hebben, maar kan ons brein dat aan? Daarentegen zal de computer je geen schouderklopje geven of een warme arm om je heen slaan. Slimme computertechnologie in allerlei vormen zal ons echter wel steeds vaker helpen met allerlei werkzaamheden en dat is een mooie gedachte. De ontwikkelingen van supersnelle processen tegen zo laag mogelijk energieverbruik zijn volop in gang en zullen ons leven veelkleuriger, leuker en slimmer georganiseerd maken.

Zie ook
Een overzicht van mijn blogs of bezoek mijn blogspot pagina

IoT, KI, doemscenario’s en toekomst

Internet of Things (IoT) en kunstmatige intelligentie (KI) kunnen enorme waarde toevoegen aan processen en daar worden op dit moment al forse slagen mee gemaakt. Ondanks het feit dat we nog heel ver afstaan van computers die hetzelfde kunnen dan mensen worden er indrukwekkende prestaties geleverd met deze mooie ontwikkelingen. Bill Gates, Elon Musk en Stephen Hawking waarschuwen voor de impact van robots en zelflerende systemen op onze maatschappij. We moeten ervoor waken dat deze techniek een hulpmiddel blijft en niet ons menselijk handelen gaat overvleugelen. Ook worden drastische gevolgen voorzien voor de werkgelegenheid. Ons werk zal zeker veranderen, maar het kan ook veel leuker, mooier en veelkleuriger worden. Ik bekijk het graag van de positieve kant, maar het is absoluut noodzakelijk dat we ons bewust zijn van de risico’s en verantwoord omgaan met inzet van deze technologie.

Er worden links en rechts organisaties opgericht ter voorkoming van ongewenste toepassingen van kunstmatige intelligentie. Onterecht is dit zeker niet er zal regelgeving moeten komen, verkeerd omgaan met deze techniek is ronduit gevaarlijk, daar zijn al redelijk wat doemscenario’s van bedacht.

Met beide benen op de grond
Laten we eens kijken of de doemscenario’s allemaal zo’n vaart zullen lopen als sommige mensen beweren. Misschien moeten we er nog aan wennen dat machines intelligent worden. We moeten het leren ook niet al te letterlijk nemen want leren fietsen of eten met mes en vork is van heel andere orde dan leren omgaan met onverwachte situaties. Computers kunnen geen taken van mensen overnemen als het gaat om ethische keuzes en emotionele zaken, ook in creatieve toepassingen zal de mens voorlopig superieur blijven. Als het gaat om zoeken in databanken en het verzamelen van kennis dan is de computer superieur, maar ook dat is niet eindeloos. De ontwikkelingen en toepassingen met cognitieve systemen staan nog aan het prille begin. Bedenk hierbij ook dat ondanks de razendsnelle softwareontwikkelingen er altijd nog hardware nodig is, de bijbehorende ontwikkeling hiervan gaat vele malen langzamer.

Positieve ontwikkelingen

Anderzijds geeft toepassing van deze technologie veelbelovende resultaten bij de interpretatie van medisch beeldmateriaal waarmee bijvoorbeeld in vroegtijdig stadium kanker kan worden gediagnostiseerd. Personen met een handicap worden enorm geholpen met spraak- of beeldherkenning en interpretatie. Ook de bewegingsvrijheid kan een nieuwe dimentie krijgen door het verbeteren van het zicht van personen en het brengen van navigatiehulpmiddelen. Controle van zelfrijdende voertuigen in het verkeer, maar ook in gebouwen en magazijnen geven compleet nieuwe mogelijkheden die nu gewoonweg nog niet bestaan.

Musk en Zuckerberg

De Tesla oprichter Elon Musk heeft tot ieders verbazing al vaak gewaarschuwd tegen de gevaren van kunstmatige intelligentie en vindt dat er dringend regelgeving moet komen. Op zich een opmerkelijk standpunt van een van de grootste innovators van deze tijd. Facebook-oprichter Mark Zuckerberg is het hier absoluut niet mee eens en benoemd hierbij graag de vele kenmerkende voordelen. Op zich een vreemde discussie, zeker als je bedenkt dat Musk met zijn bedrijf Neuralink fervent voorvechter is van samenwerking tussen biologische- en digitale intelligentie. Zo hier en daar signaleer ik wat belangen…

Google kent je beter dan jezelf

Hoe je het wendt of keert het verzamelen van data gaat in sneltreintempo door. Systemen worden steeds slimmer en hebben straks zoveel informatie verzameld dat ze beter weten wat je wilt dan dat je dit zelf kunt beredeneren. De grote webwinkels maken nu al intensief gebruik van voorspellingen uit data en denken na over allerlei nieuwe concepten. Wanneer iemand geïnteresseerd is in een product, en uit data blijkt dat de kans groter is dan 50% dat de klant het product zal houden bij aflevering, is het misschien slim het product ongevraagd te bezorgen. Hiermee worden meer producten verkocht en wordt voorkomen dat de klant het product bij de concurrent besteld. Natuurlijk neemt het aantal retourzendingen toe, maar hier kan logistiek veel worden gecompenseerd, het busje rijdt immers toch door de straat.

Enkele uitdagingen

Kunstmatige intelligentie kent heel veel voordelen die ons leven drastisch zal veranderen, we gaan boeiende en mooie tijden tegenmoet dat is zeker. Er zijn nog veel aandachtspunten om op terug te komen in volgende blogs. We gaan het nog hebben over neuromorphic computing en ook de al dan niet ingebouwde bias, die ervoor zorgt dat de oneerlijkheid in onze wereld terecht komt in de data, houdt me nogal bezig. Het al eerder genoemde energieverbruik kom ik ook nog op terug en daarnaast moeten we het nog hebben over de veranderende betekenis van privacy.

IoT en de weg naar Cognitieve intelligentie

Kunstmatige of artificiële intelligentie, machine learning en deep learning zijn begrippen die we steeds meer tegenkomen. Hoewel ieder item zijn specifieke betekenis heeft worden de benamingen vaak door elkaar gebruikt. Op zich niet erg, het gaat immers om de toepassing die is gebaseerd op slimme verwerking van de enorme hoeveelheden data die onze systemen genereren. Specifieke toepassing van deze technieken zijn qua slimheid en snelheid superieur aan de wijze waarop een mens dit kan. Cognitieve intelligentie kunnen we betitelen als de ultieme vorm van kunstmatige intelligentie omdat de werking de meeste overeenkomsten heeft met ons menselijk brein. De ontwikkelingen gaan hard en zullen veel mooie en goede toepassingen brengen. Neemt niet weg dat er voorlopig nog geen toonaangevende en breed geaccepteerde rol voor kunstmatige intelligentie in onze maatschappij is weggelegd.

Cognitieve systemen gaan veel verder dan het logisch verwerken van datastromen. Ze zijn ontworpen om problemen op te lossen zoals mensen dat doen, door te denken, te redeneren en te onthouden. Als er nieuwe gegevens in een cognitief systeem binnenkomen zal het systeem leren en zich aanpassen. Uitgangspunten worden onderzocht en afgewogen zonder daarbij iets over het hoofd te zien. De database is hierbij bepalend, maar kan zo uitgebreid zijn dat de uitkomst die een cognitief systeem geeft veel beter is dan een mens ooit zou kunnen opleveren aan de hand van zijn actuele kennis in combinatie met zijn bevindingen.

Systemen die voelen, redeneren en handelen
Cognitieve computersystemen zijn in staat om op basis van geleerde ervaring te voelen, redeneren, handelen en zich aan te passen. Ze zijn ontworpen om mensen behulpzaam te zijn of te ontlasten van taken waar hoge accuraatheid nodig is, denk hierbij aan werk in explosiegevaarlijke gebieden, of onder extreme omstandigheden. Ook bij autonoom vervoer worden deze technieken uitgebreid toepassing. Een cognitief systeem zal een data-intensieve taak anders benaderen dan andere kunstmatig intelligente systemen. Een voorbeeld dat je nogal eens tegenkom is het maken van een behandelplan voor een patiënt. Uiteraard moet hiertoe aan de hand van een analyse een enorme database van ingebrachte kennis, artikelen en dossiers worden geraadpleegd. Een cognitief systeem zal uitgebreide en zeer complete informatie bieden om de arts te helpen. De voorgangers van cognitieve intelligentie zijn ontworpen om de arts een handelswijze te presenteren die hij kan volgen op basis van zijn analyse. Cognitieve systemen zijn nog volop in ontwikkeling, het is zeker dat we ongekende ontwikkelingen zullen zien in o.a. de medische wereld, het onderwijs en de wetenschap.

Kookles: IoT, brein en geld
Er zijn veel zaken die de computer beter kan dan een mens, maar dat geldt zeker niet voor alles. Volgens onderzoekers van Google zullen ethische keuzes en emotionele zaken voorbehouden blijven aan mensen. Ook in zaken als creativiteit zal een computer niet snel uitblinken, dat is zeker. Op deze gebieden kan technologie de mens wel helpen om juiste en weloverwogen beslissingen te nemen. Dan nu even de kookles. We nemen een platform gebaseerd op cognitieve intelligentie, voegen daar aan toe een IoT platform en een blockchain platform en de vrijwel onbegrensde mogelijkheden liggen voor het oprapen. De ICT-reuzen in deze wereld zijn hier volop mee bezig. Platformen als IBM Watson, Microsoft Azure, Amazon Web Services (AWS) en Google Prediction API ontwikkelen in hoog tempo. Computers die beschikken over alle zintuigen die de mens heeft is hierbij het credo van IBM.

Vertrouwen en energieverbruik
Er zijn nogal wat kanttekeningen bij cognitieve intelligentie, we leggen immers een grote dosis vertrouwen neer bij technische systemen. Systemen die zijn ontworpen door mensen met hun belangen en voorkeuren. De grote Amerikaanse technologiereuzen, Microsoft, Facebook, Amazon, IBM en Apple zijn op dit moment toonaangevend. Het is voordehand liggend dat cognitieve intelligentie bepaalde waarden meekrijgt van deze bedrijven. Deze koplopers hebben successen op hun naam geschreven met cognitieve intelligentie gebaseerd op traditionele architecturen. Een groot probleem hierbij vormt het energieverbruik. De Chinese Sunway TaihuLight supercomputer trekt bijvoorbeeld 15 megawatt aan piekvermogen. Een stroomverbruik om 4.500 huishoudens van energie te voorzien. Hier zijn nog wel wat slagen te winnen, mooie onderwerpen om nog eens op terug te komen.

IoT en deep learning

In deze serie blogs behandelen we de weg van kunstmatige- naar cognitieve intelligentie. De basis van deze technologische ontwikkelingen is te vinden in machine learning. De variant die het dichts in de buurt komt van ons brein is gebaseerd op neurale netwerken. Wees gerust, ons brein is met een gemiddelde van ongeveer 100 miljard neuronen nog veruit superieur. De kunstmatige neurale netwerken die op dit moment worden gebruikt bestaan uit hooguit 1000 neuronen. In mijn vorige blog heb ik de basis van neurale netwerktechnologie behandeld. Met deze kennis in de pocket kijken we nu naar deep learning als opstap naar cognitieve systemen. We realiseren het ons waarschijnlijk nauwelijks, deep learning maakt een opmars waarmee onwillekeurig iedereen in aanraking komen.

Een mooi voorbeeld van Deep learning is te vinden te vinden bij de startup DeepL, voorheen Linquee, die onlangs zijn brandnieuwe vertaaldienst online heeft gezet. Via de website www.deepl.com kan iedereen gratis tekstblokken laten vertalen in (nu nog) zeven talen. Via een uitgebreide database met voorbeeldzinnen die overal worden gebruikt is de vertaaldienst getraind. DeepL is nu al een geduchte concurrent van Google Translate die overigens ook gebruik maakt van neurale netwerktechnologie. Google heeft in haar neurale netwerk gekozen voor recurrent technologie terwijl DeepL is gebaseerd op convolutional networks. Kreten die we maar snel moeten vergeten. Het grote verschil is dat DeepL alle woorden parallel verwerkt wat meer snelheid oplevert. Met meer zoeksnelheid kan een grotere database in dezelfde tijd worden doorzocht wat uiteraard betere resultaten geeft. De grote kracht van Deepl komt uit een goed geoptimaliseerde database in gecombineerd met de nieuwste algoritmes en technologieën. Op dit moment, geeft de dienst van Deepl betere resultaten dan oplossingen van andere aanbieders, een mooie ontwikkeling waar we zeker meer van gaan horen.

Teksten vertalen en foto's veranderen, fluitje van een cent
Vertalen van teksten wordt steeds gemakkelijker en betrouwbaarder en zal in steeds meer toepassingen volledig automatisch gaan zonder dat we daar iets van merken. Ook in de grafische wereld wordt intensief onderzoek gedaan naar toepassingen op basis van deep learning technologie. De ontwikkelaars van Adobe hebben samen met de prestigieuze Cornell universiteit de applicatie Deep Photo Styler Transfer ontwikkeld. De basis van deze technologie is te vinden in het overbrengen van een stijl van de ene naar de andere foto. Het computersysteem is lerend door heel veel plaatjes te analyseren op basis van verschillende algoritmes. Het ene algoritme herkend menselijke gezichten terwijl een ander algoritme gefocust kan zijn op bomen of huizen. De ontwikkelaar heeft het algoritme zodanig gemaakt dat kenmerkende factoren worden herkend en vastgelegd. Op deze wijze kun je in een nors gezicht een aantal karaktertrekken veranderen en voilà je hebt een lachend gezicht op je foto staan. Ook een saaie foto met donkere wolken is in no time veranderd in een sprekende foto met en mooie zonsondergang. Niets zal meer hetzelfde zijn… Kijk voor een ander voorbeeld eens op http://places2.csail.mit.edu/demo.html. Je kunt hier landschapsfoto's laten analyseren met deep learning technologie. Hoewel de uitkomsten niet altijd even goed zijn geeft het wel een leuk beeld van wat je met deze techniek kunt bereiken. Probeer het maar eens uit.

IoT en deep learning
Als we deze technologische mogelijkheden samenbrengen met sensorische informatie ontstaan nieuwe mogelijkheden. Met sensoren is het redelijk simpel om veranderingen in een omgeving te signaleren, als je nu vervolgens de deep learning technologie gebruik om daar je conclusies uit te trekken kun je processen op een heel intelligente wijze automatiseren. We zien steeds meer toepassingen van deze technologie, die ons overal mee behulpzaam kan zijn, in onze omgeving verschijnen. Denk bijvoorbeeld aan winkels waar personen, inclusief hun interessegebieden, worden herkend op basis van sensorische informatie. Je loopt langs beelden waarbij gelijktijdig en geheel ongemerkt je reacties worden geanalyseerd. Het systeem weet al na een paar van dit soort acties waar je interesses naar uitgaan en kan hierop anticiperen met gerichte aanbiedingen. In sommige toepassingen kan het system zelfs weten waarna je op zoek bent, wat je lievelingskleuren zijn en wat je mooi vindt. En laat dat artikel nu toevallig je pad kruisen. Toevallig? Dankzij deep learning bestaat dit straks niet meer.

Een wereld vol gemak, kleur en diversiteit
De echte doorstoot van deep learning technologie heeft nog een hele weg te gaan, maar de ontwikkelingen staan niet stil. Het begrijpen van relaties tussen objecten is een techniek die al redelijk vergevorderd is. Voor computers is dit heel complex terwijl de mens dit vaak op intuïtieve basis doet. Neemt niet weg dat er steeds mooiere en nieuwe toepassingen komen die onze wereld veel meer diversiteit, kleur en gemak geeft. Volgende keer kijken naar de ultieme vorm van kunstmatige intelligentie. Wat zal cognitieve intelligentie ons brengen?

IoT en neurale netwerken

In mijn voorgaande blogs had ik het over de boeiende ontwikkeling van kunstmatige intelligentie in relatie tot IoT, Verschillende varianten van machine learning zijn hierbij aan de orde gekomen. De meest complexe vorm van machine learning wordt deep learning genoemd. Deze technologie komt het dichts in de buurt van cognitieve intelligentie en maakt gebruik van meerlaagse neurale netwerken. Neurale netwerken kennen we in twee varianten, de biologische vorm oftewel het menselijk brein, en de kunstmatige vorm. Kunstmatige neurale netwerktechnologie is sterk in ontwikkeling en benaderd steeds meer het menselijk brein. Onderzoekers laten zich hierbij graag inspireren door biologie. Worden we langzamerhand ingehaald door onze eigen automatisering?

Kunstmatige neurale netwerken, die de basis van deep learning vormen, worden alsmaar slimmer en zijn in staat steeds meer menselijke taken over te nemen. Neurale netwerken zijn samengesteld uit een veelvoud van vaak eenvoudige processoren die parallel samenwerken. Op deze wijze worden niet lineaire systemen samengesteld waarbij een veel complexere relatie kan worden gevormd tussen input en output. Om de overeenkomst met onze hersenwerking aan te geven worden de processoren in een neuraal netwerk ook wel neuronen genoemd.

De werking van een neuraal netwerk

Een kunstmatig neuraal netwerk bestaat uit een aantal gestapelde lagen met neuronen. Een neuraal netwerk is opgebouwd uit een inputlaag, een outputlaag en een aantal tussenlagen. Via dit samenstel van lagen wordt de vraagstelling aan de inputlaag verwerkt tot een antwoord aan de outputlaag. Iedere laag heeft eigen neuronen waarin de relevante berekeningen worden uitgevoerd. Elke ontvangende neuron verwerkt zijn ingangssignaal en stuurt dit weer door naar de volgende neuron(en). Een mooi voorbeeld om de werking van neurale netwerken te verduidelijken is het proces dat bij beeldherkenning wordt gehanteerd. Een afbeelding komt binnen in de inputlaag en wordt vervolgens in iedere diepere laag verder verwerkt. Hierbij heeft elke laag zijn specifieke functie. In de eerste lagen na de inputlaag worden de basale vormen uit het beeld gefilterd om zodoende een grove interpretatie van het beeld te vormen. De laatste lagen voor de outputlaag detailleren de basale vormen uit de voorgaande lagen en bereiden de gegevens voor waarmee de outputlaag aan de slag kan gaan. In de outputlaag wordt de finale beoordeling gemaakt en wordt het antwoord geformuleerd.

Trainen van een neuraal netwerk

In bovenstaand voorbeeld zijn neurale netwerken getraind om beelden te herkennen. Aan de hand van heel veel voorbeeldbeelden worden vergelijkingen gemaakt om hieruit conclusies te trekken. Dit is redelijk complex, het systeem moet immers weten waarop het zich moet concentreren. In een beeld zijn de details nooit geïsoleerd van de omgeving, ze lopen over in andere beelden of zijn verbonden met andere objecten. Hierdoor is het voor een computersysteem erg moeilijk de vorm te herkennen. Er moet dus heel veel informatie voorhanden zijn om de algoritmes slimmer te maken. De technische trukendoos en creativiteit is veelzijdig. Er wordt bijvoorbeeld gebruik gemaakt van bewegende beelden als vergelijkingsmateriaal met gecompileerde visualisaties uit het beeldmateriaal. Uiteraard is het proces bij videoherkenning maar een van de vele voorbeelden van neurale netwerktechnologie en zijn er legio andere toepassingen die elk weer hun specifieke benadering vergen.

Zo eenvoudig is het niet…

Bovenstaand voorbeeld is redelijk simplistisch weergegeven, op de achtergrond is de techniek vele malen complexer. De interactie tussen de neuronen of processoren is adaptief. Een neuron heeft meerdere ingaande en meerdere uitgaande verbindingen. Elke verbinding heeft hierbij een gewicht dat is uitgedrukt in een reëel getal dat continue wordt bijgesteld door het lerende netwerk. De technologie van neurale netwerken staat nog aan het begin. Dat wordt duidelijk als we bedenken dat het menselijk brein bestaat uit ongeveer 100 miljard neuronen terwijl de kunstmatige neurale netwerken op dit moment ergens tussen de 10 en 1000 neuronen bevatten. Voorlopig is het menselijk brein nog veruit superieur! Volgende keer meer over deep learning.

IoT en kunstmatige intelligentie (2)

In sneltreintempo zie je heel veel Internet of Things toepassingen met nieuwe mogelijkheden beschikbaar komen. De sensorische informatie wordt verzameld in platformen en voert aan de hand van slimme logica allerlei gewenste acties uit. Kunstmatige intelligentie wordt daarbij steeds vaker ingezet als een van de essentiële hulpmiddelen. Een belangrijke vorm van kunstmatige intelligentie is te vinden in machine learning. Kenmerkend aan deze fascinerende techniek is dat de ontwikkeling stamt uit de vorige eeuw en dus al ruimschoots voor het internettijdperk is begonnen. In 1946 werd het eerste computersysteem ENIAC ontwikkeld. In die tijd sprak men over een numerieke computer en werd het woord computer grofweg uitgelegd als een machine die werkt als een mens die numerieke berekeningen op papier uitvoert. Men had toen al de vooruitziende blik dat menselijk denken en leren door de computer kon worden uitgevoerd.

Kunstmatige intelligentie, we zitten er middenin
De Britse wiskundige Alan Turing ontwikkelde als computerpionier in 1950 een test om prestaties van intelligente systemen te meten. De Turing test is gebaseerd op het idee dat we alleen kunnen bepalen of een machine daadwerkelijk kan leren als we ermee kunnen communiceren zonder dat daarbij verschil wordt waargenomen met menselijke communicatie. Geen enkel systeem slaagde in die tijd voor deze ingenieuze test. Het heeft zelfs tot het huidige decennium geduurd voordat de eerste systemen door de Turing test kwamen. We zijn dus aanbeland in het tijdperk van kunstmatige intelligentie, spannend!

Van kunstmatige naar cognitieve intelligentie
Kunstmatige of Artificiële intelligentie kent zijn bron in machine learning. Het nieuwste begrip in deze technologische ontwikkeling is Cognitieve intelligentie. Dit is een doorontwikkeling die veel verder gaat dan de redelijk logische benadering van machine learning. Cognitieve systemen zijn ontworpen om problemen op te lossen op de manier waarop mensen problemen oplossen, door te denken, redeneren en onthouden. Een boeiende techniek waarbij steeds intensiever gebruik wordt gemaakt van neurale netwerken. Ik kom daar later zeker op terug, maar eerst wil ik terug naar de basis en meer vertellen over de achtergronden van machine learning.

Machine learning
Machine learning bootst niet het menselijk brein na maar is beperkt zich tot “leren” van data uit het verleden met als doel hiermee voorspellingen te maken. Er zijn een aantal manieren om een algoritme te laten “leren” uit beschikbare data. De toepassing hangt af van de wijze waarop de data werkelijk beschikbaar is. Om meer beeld bij kunstmatige intelligentie te krijgen is het goed om eerst de verschillende onderscheidingsvormen van machine learning nader te bekijken.

Supervised learning (gecontroleerd leren) maakt gebruik van goed gestructureerde en keurig gecategoriseerde data als input, vaak verzameld en gelabeld door mensen. De algoritmes worden met deze data getraind om steeds beter antwoord te geven aan de gebruikers. Het kenmerkende van supervised learning is dat de uitkomst in de ingevoerde data ligt. Een voorbeeld is de aanbeveling van producten zoals je vaak zie in webshops. Het algoritme geeft aanbevelingen op basis van bevindingen bij vergelijkbare klanten of eerdere aankopen. Supervised learning is redelijk lineair, met de voorspellingen kan weinig misgaan. Voorspellingen worden gedaan op vaste gegevens zoals het lichaamsgewicht, de leeftijd en bijvoorbeeld de activiteiten van personen.

Unsupervised learning (ongecontroleerd leren) werkt heel anders omdat de uitkomst van het algoritme buiten de ingevoerde data ligt. De data die als input dient is wel bekend maar niet gestructureerd. Het algoritme moet nu zelf structuur en verbanden in de data ontdekken en hier zijn output mee genereren. De computer zal de input verdelen in categorieën waarin elementen worden geplaatst gebaseerd op sterke gelijkenissen. Unsupervised learning wordt toegepast als er geen historische gegevens zijn. Een voorbeeld hiervan is het ontdekken van overeenkomsten in video of audio materiaal waarbij acties worden uitgezet op gedrag of bepaalde geluidsfragmenten.

Semi-Supervised learning is een combinatie van supervised en unsupervised learning. De input bestaat uit zowel gelabelde als niet gelabelde data. De keuze voor semi-supervised learning is vaak gebaseerd op een compromis, gelabelde data is immers moeilijker te verwerven en daarmee veel kostbaarder dan ongestructureerde data.

Reinforcement learning is doelgericht leren op basis van interactie met de omgeving. Veelgehoorde toepassingen zijn zelfrijdende auto’s die aan de hand van verzamelde informatie uit eerdere ritten bepaalde conclusies trekken. Je kunt dit vergelijken met mensen die conclusies trekken uit hun daden.

Opstap naar neurale netwerken
Deze laatste vorm van machine learning staat het dichts bij de doorontwikkeling van kunstmatige intelligentie naar cognitieve intelligentie. Een mooie opstap naar deep learning en neurale netwerken. Volgende keer meer!

IoT en kunstmatige intelligentie (1)

Het internet of Things kent veel toepassingen in allerlei verschijningsvormen en varianten, en wordt ook steeds vaker aangevuld met andersoortige technologieën. Sensoren, die de basis vormen van ieder IoT systeem, komen samen in een platform waar gegevens worden verzameld om van hieruit weer acties te laten plaatsvinden. Vaak zijn andere platformen nodig om de totale oplossing sterk en compleet te maken. Kunstmatige intelligentie vormt een steeds belangrijker onderdeel van IoT oplossingen en kent een stormachtige ontwikkeling. Dagelijks worden we met voorbeelden overspoeld, van redelijk onschuldige bezorgrobots tot angstaanjagende killer robots. Zoals ik al eerder aangaf is wetgeving dringend noodzakelijk, immers;

Kunstmatige intelligentie mag niet onder een andere wetgeving staan dan de mens die deze heeft bedacht.

Google weet alles
Bij toepassing van kunstmatige intelligentie komen discussies al gauw op gang. Hoe zit het met onze privacy en vinden we de ondersteuning van allerlei marketing-achtige technieken wel zo fijn? De meeste toepassingen zijn redelijk onschuldig en zijn inmiddels al lang geaccepteerd. Bijna niemand heeft problemen met aanbevelingen van Google, die weer eens in onze agenda heeft zitten spieken en ons attendeert op te verwachten verkeersdrukte. Ook selectieve advertenties die we geheel gratis krijgen aangeboden naar aanleiding van ons zoekgedrag op het internet worden steeds meer gewoongoed. We raken dus gewend aan kunstmatige intelligentie en vinden dat over het algemeen prima. Anders wordt het als intelligente systemen privacy gevoelige informatie gebruiken of zelfs acties uitvoeren die we niet begrijpen, dan wordt het eng. Ondanks deze ietwat ongrijpbare kant gaan de ontwikkelingen door en ontstaan er steeds complexere varianten.

Varianten in kunstmatige intelligentie
Duidelijk is dat het bij kunstmatige intelligentie gaat om dataverwerking met als doel slimme conclusies te trekken uit deze verzamelde data. Hierbij worden nogal wat verschillende termen gebruikt waarbij zeker een bepaalde lijn en ontwikkeling valt te bespeuren. In de industrie hoor je vaak over machine learning of artificiële intelligentie. Maar soms zie je ook kreten als deep learning of cognitieve intelligentie voorbijkomen. Bovenstaande benamingen wordt nogal eens door elkaar gebruikt en dat is te verklaren omdat er veel overeenkomsten zijn. Maar er zijn ook cruciale verschillen die belangrijk zijn om te onderkennen. Als we de verschillende vormen van intelligentie een beetje platslaan dan zien we een soort ontwikkelcurve of misschien zelfs een ontwikkelhiërarchie ontstaan. Het begint bij machine learning dat is doorontwikkeld naar deep learning. Dit zijn weer sub domeinen van artificiële intelligentie dat uiteindelijk weer doorontwikkeld in de alles overstijgende cognitieve intelligentie. In feite zien we hier een soort doorontwikkeling van technische logica naar algoritmes die functioneren als het menselijk brein. Laten we stapsgewijs de verschillende varianten doornemen.

Machine learning
De oudste vorm van intelligente systemen wordt machine learning genoemd. In principe bestaat machine learning uit software die zelf kan “leren” zonder dat hier programmeerhandelingen van mensen voor nodig zijn. Het gaat bij deze techniek om het herkennen van patronen uit een groot databestand (big data omgeving). Deze patronen vormen de basis van een voorspellend algoritme. Omdat er steeds nieuwe data wordt toegevoegd blijft de software “leren” en worden er steeds specifiekere patronen ontdekt. De voorspelling wordt dus in feite steeds nauwkeuriger. De doorontwikkeling zit in steeds geavanceerdere algoritmes, grote hoeveelheden data en snellere dataverwerking. Machine learning heeft een duidelijke afbakening, deze techniek bootst dus niet het menselijk brein na maar is beperkt zich tot “leren” van data uit het verleden met als doel hiermee voorspellingen te maken. Er zijn een aantal manieren om een algoritme te laten “leren” uit beschikbare data. De toepassing hangt ervan af van de wijze waarop de data werkelijk beschikbaar is. De volgende keer ga ik hier dieper op in en kijken we vervolgens ook naar de andere varianten van kunstmatige intelligentie.

IoT, gevaar voor de mensheid?

Platformen op het gebied van informatica ontstaan in allerlei varianten en zullen steeds meer samenwerken. IoT vormt de basis hierin, het verzamelen van data is immers basisvoorwaarde voor vrijwel ieder platform. Een IoT platform is dus primair nodig om sensorische informatie te verzamelen en te koppelen aan acties. Om koppelingen aan acties te realiseren wordt vaak gebruik gemaakt van informatie uit andere platformen. Blockchain technologie is nodig om contractuele of financiële transacties te waarborgen. Ook platformen met artificiële- of cognitieve intelligentie (AI of CI) leveren een steeds aanzienlijkere bijdrage aan een totale IoT omgeving. Vaak hoor je kritische geluiden over veiligheid, en terecht, beveiliging is en blijft een essentieel onderdeel. De alarmerende titel van deze blog gaat echter niet over beveiliging maar over kunstmatige intelligentie. Hoe zit het met deze ontwikkelingen en nog belangrijker, overzien we de gevolgen.

Platformen worden verbonden
In mijn vorige blog schreef ik dat de toekomst zit in koppelingen van platformen. Verschillende blockchain platformen gaan informatie delen. IoT platformen en cognitieve intelligentie zullen hun samenwerking met blockchain platformen steeds meer vinden. Big data krijgt op deze wijze een essentiële inbreng in onze samenleving. Natuurlijk kun je met deze technieken goede en mooie oplossingen bereiken. De kracht van systemen wordt gebundeld waardoor nog veel meer informatie beschikbaar komt. Slimme zorgoplossingen komen bijvoorbeeld in sneltreintempo beschikbaar. Smart pills houden met sensoren of zelfs een mini-camera bij of patiënten zich houden aan de doktersvoorschriften. Het welzijn van patiënten wordt gemonitord met allerlei sensoren in de omgeving, in kleding en in/op het lichaam. Dementerende mensen krijgen veel meer zelfstandigheid dankzij sensoren en locatiebepaling.

Ons brein en techniek
Om techniek toegankelijk te maken zie je een toenemend gebruik van digitale spraakassistenten. In de woonhuisautomatisering zijn spraakassistenten populair geworden dankzij slimme luidsprekers, bijvoorbeeld voor het afroepen en selecteren van muziek. Ook bij deze techniek zie je dat partijen elkaar steeds meer opzoeken. Onlangs werd bekendgemaakt dat Cortana van Microsoft en Alexa van Amazon gaan samenwerken. Apple en Google doen nog niet mee, maar dit zal niet uitblijven. De ontwikkelingen op het gebied van interfacing staan zeker niet stil. Elon Musk is met zijn bedrijf Neuralink druk in de weer een brein-naar-computer-interface te ontwikkelen. Volgens Musk is een nieuwe interface nodig om optimaal van AI en supercomputers gebruik te kunnen maken. Meer kennis over ons brein en de wijze waarop dit met computers is te beïnvloeden kan in de toekomst epilepsieaanvallen voorkomen. Mooie ontwikkelingen die veel goeds kunnen opleveren, mits op de juiste wijze toegepast.

Begrijpen wij onze computer?
Als we niet meer begrijpen wat technologie die we gebruiken doet komen we in lastige situaties. Toen één van de beste Go spelers van de wereld werd verslagen door de supercomputer AlphaGo van Google was hij dusdanig van slag dat hij 15 minuten de kamer moest verlaten om weer tot rust te komen. Dit is een kenmerkend voorbeeld van de invloed die zelflerende computers met deep learning technologie op mensen kunnen uitoefenen. Computers worden steeds slimmer en zullen ons steeds meer verrassen. Denk maar eens aan algoritmes in combinatie met autonoom vervoer en allerlei onvoorspelbare scenario’s in het verkeer. Een experiment met kunstmatige intelligentie van Facebook is stilgelegd nadat spraakrobots Alice en Rob een eigen taal ontwikkelden, die alleen zij nog begrepen. Om gemakkelijker te communiceren pasten zij hun Engelse taal aan. Dat gaf zulke vreemde uitspraken dat de onderzoekers niet meer begrepen waar het over ging. Experts benoemden het als spannend en angstaanjagend.

Waarschuwing uit Melbourne
Ondanks de alsmaar slimmer wordende computers zijn we op dit moment nog niet in staat om te voorkomen dat er verkeerde conclusies worden getrokken uit de beschikbaar data. Dit kan desastreuze gevolgen hebben, zeker als we dit gegeven spiegelen aan oorlogrobots. Een grote groep experts en bestuurders van robotbedrijven en directies van prominente bedrijven hebben op de conferentie over kunstmatige intelligentie in Melbourne nadrukkelijk gewaarschuwd. Deze groep kwam met een open brief waarin de VN wordt opgeroepen een halt toe te roepen aan de ontwikkeling van ‘killer robots’. Wetgeving is dringend noodzakelijk, kunstmatige intelligentie mag niet onder een andere wetgeving staan dan de mens die deze heeft bedacht. Volgende keer meer over deze boeiende ontwikkelingen.

Blockchain, IoT en de veranderende maatschappij

In mijn vorige blogs hebben we de werking van blockchain besproken en daarbij wat mogelijkheden en toepassingen aangestipt. Bijna vanzelfsprekend spraken we over de Bitcoin waarbij ook nadelen zoals het enorme energieverbruik, dat komt door mining, aan de orde kwamen. De vele ‘zware’ computers die hiervoor worden ingezet zijn verantwoordelijk voor een enorme energieconsumptie, een bij-functie als verwarmingselement misstaat deze rekenreuzen niet. De ontwikkelingen rondom cryptovaluta gaan razendsnel, heel veel alternatieven zijn inmiddels voorhanden en zullen nog volgen.

De Bitcoin is al lang niet meer de enige digitale munteenheid. Enkele van de vele cryptovaluta zijn Ethereum, Lisk, Ripple, NXT coin, Stellar en Bitshares. Kenmerkend is dat ze allemaal werken met een eigen uniek blockchain ontwerp. Ook zie je regelmatig varianten van bestaande cryptovaluta ontstaan, bijvoorbeeld Bitcoin Cash waarbij de blockchain bestaat uit grotere blokken waardoor transacties sneller kunnen plaatsvinden. Het bitcoinnetwerk verwerkt drie tot tien transacties per seconde. Bitcoin Cash 8x zoveel, maar dat staat nog altijd in schril contrast met de circa twaalfduizenden transacties per seconde die het VISA-netwerk kan verzetten.

Cryptovaluta en onze banken
Er zijn ontwikkelingen op basis van blockchain technologie die miljoenen transacties per seconde kunnen afhandelen. Een voorbeeld hiervan is EOS.IO waarbij het digitale valuta Ethereum wordt gebruikt. Fintech (financieel technische) bedrijven zie je als paddenstoelen uit de grond schieten en ook het bankwezen is volop in ontwikkelen om aansluiting te bieden en te zoeken bij deze nieuwe wereld. Voorlopig blijft papier- en muntgeld gewoon bestaan. Cryptogeld zal naast gewone valuta steeds meer zijn weg vinden. Banken onderzoeken op allerlei fronten hoe zij cryptovaluta kunnen integreren met hun ontwikkelingen al dan niet in combinatie met PSD2 dat voor begin 2018 op uitrol staat bij alle Europese banken.

Smart contracts en IoT samen sterk
Wat het allemaal zal brengen weet nog niemand, maar dat er veel gaande is in de financiële wereld mag duidelijk zijn. Een andere, met name voor IoT, erg interessante ontwikkeling op basis van blockchain zijn de smart contracts. Bij deze techniek worden contractvoorwaarden opgeslagen in programmacode. Het onderscheidende hierbij is dat daarnaast ook automatisch wordt gezorgd voor naleving van deze contractvoorwaarden. Een apparaat of dienst komt ter beschikking via een digitale sleutel die na een geautomatiseerde financiële transactie wordt vrijgegeven aan een koper of huurder.

De koppeling van blockchains
Net als contractvoorwaarden worden ook gegevens en persoonlijke data opgeslagen in een blockchain. Als je hierbij bedenkt dat deze data nooit verloren kan gaan en dat verschillende blockchains op termijn gekoppeld worden ontstaan er heel veel andere en nieuwe mogelijkheden en toepassingen. Naast je identiteit zullen ook andere zaken zoals eigendomsrechten, diploma’s en allerlei dossiers worden vastgelegd. Hierbij zal heel veel aandacht aan autorisatie en veiligheid moeten worden gegeven. Een ding is zeker, de blockchain technologie zal onze maatschappij voorgoed veranderen.

Veel nu nog bestaande beroepen niet meer nodig
Verzekeringsvoorwaarden kunnen dynamisch worden aangepast aan het gedrag van de klant en zijn premiebetaling. Zo kan een autoverzekering afhankelijk worden gemaakt van rijgedrag of gebruik. Denk ook aan mogelijkheden bij muziek- en gebruiksrechten of bijvoorbeeld bewijsvoering van intellectueel eigendom of recht op gebruik van software. Bij al deze mogelijkheden zie je een gemeenschappelijke eigenschap, tussenstations als octrooibureaus verzekeringsagentschappen enz. zijn niet meer nodig in de schakel. In principe zou je zelfs een notaris en bepaalde ambtelijke loketten niet meer nodig hebben. Daarvoor moeten nog wat wettelijke inzichten worden gewijzigd en dat gaat niet over één nacht ijs. Ook kan goede betrouwbaarheid worden geboden voor stemcomputers. Autorisatie en authenticatie zorgen voor fraudebestendigheid naar de vraagkant terwijl anonimiteit wordt geboden naar de gebruikerskant.

Steeds meer platformen worden verbonden
De toekomst zit in koppelingen van platformen. Verschillende blockchain platformen zullen steeds meer informatie gaan delen. Ook IoT platformen en Artificiële intelligentie zullen hun samenwerking met blockchain platformen in toenemende mate vinden. Big data krijgt op deze wijze een steeds grotere inbreng in onze samenleving. Wat onvermijdelijk veel aandacht zal krijgen is veiligheid, dit is immers cruciaal voor al deze mooie technologieën die een steeds belangrijker onderdeel uitmaken van onze samenleving. Blockchain biedt op zich veel veiligheid, maar daarnaast zullen we steeds meer specifieke platformen nodig hebben die dit onderdeel realtime waarborgen.

De blockchain revolutie

We worden overspoeld met informatie over revolutionaire en disruptieve technieken. De wereld zal nooit meer worden wat het was alles wordt sneller, beter en vooral digitaal. Blockchain is zo’n technologie die de gemoederen flink bezighoudt. Blockchain wordt door een steeds grotere groep mensen gezien als de grootste innovatie sinds internet. De financiële wereld ondergaat een enorme transformatie dat weet inmiddels iedereen. Blockchain kan daarin wel eens een zeer bepalende factor worden. Dit niet te verwarren met de Bitcoin, die zal het naar de mening van deskundigen niet redden. De toenemende grootte van de blockchain en het energieverbruik zijn de grootste factoren die massale omzetting van het huidige betalingsverkeer blokkeren.

Een-op-een transacties tussen personen zonder tussenkomst van derden is erg aantrekkelijk en zal in belangrijke mate onze economie veranderen. Denk behalve aan bankzaken ook aan het regelen van eigendomsrechten en verzekeringen. Een makelaar of notaris is niet meer nodig bij het kopen of verkopen van een woning. De basis van veel van dit soort overeenkomsten vormen de zogenaamde smart contracts. De slimme contracten in een blockchainnetwerk zijn zonder twijfel de contracten van de toekomst. De manier waarop we nu zaken doen zal compleet veranderen, alles wordt in hoge mate geautomatiseerd. Wetgeving ijlt altijd na, maar zal hier zeker op toegespitst moeten worden. Laten we eens dieper kijken naar de technische achtergrond van dit ingenieuze systeem.

De hash als crusiaal element
Een van de structurele elementen in de blockchain is het gebruik van hash functies. Een hash is een wiskundige functie die redelijk eenvoudig is te maken. Het is echter extreem moeilijk om omgekeerd te werk te gaan. Bij een cryptografisch veilige hashcode is het onmogelijk om te achterhalen van welke gegevens de code is afgeleid. Ook kunnen geen twee verschillende blokken worden gemaakt met dezelfde hashcode. Een blockchain wordt gemaakt door alle relevante informatie met een algoritme gebaseerd op hashcode om te zetten in een blok. Bij een nieuwe toevoeging berekent het systeem een nieuwe hash van de toevoeging én de vorige hash. Dit gaat bij iedere toevoeging zo, Het resultaat is een ketting van blokken met hashfuncties waarbij nieuwe informatie telkens gecombineerd wordt met de laatst berekende hash. De ketting van blokken (de blockchain) wordt publiekelijk bewaard.

Proof of Work
Een nieuw blok toevoegen aan de blockchain is een ingewikkeld en intensief proces. Dat is logisch want dit is immers allesbepalend voor de fraudebestendigheid, fouten zijn op geen enkele wijze te tolereren, dit zou immers het hele systeem laten omvallen. Om de echtheid van een blok te controleren wordt een proof of work gemaakt. De proof of work is intensief om te bereken en is gebaseerd op controle van willekeurige waardes. De computerkracht van heel veel systemen wordt hiervoor ingezet. De computer die de juiste waarde ‘gokt’ wordt hierna razendsnel door alle andere systemen gecontroleerd op echtheid van het resultaat.

Hoe computers het zichzelf moeilijk maken…
Het berekenen van een proof of work neemt gemiddeld 10 minuten in beslag. Daar is bewust voor gekozen om de veiligheid te garanderen. De computerkracht is enorm, het mag nooit zo zijn dat het resultaat door iemand met verkeerde bedoelingen zomaar binnen de gestelde tijd met één systeem is uit te rekenen. Als de computerkracht toe- of afneemt wordt de moeilijkheidsgraad van het algoritme automatisch bijgesteld.

Fraudebestendig
Dit bijzonder ingewikkelde proces maakt fraude onmogelijk. iets wat eenmaal in de blockchain is opgenomen kan niet achteraf gewist of aangepast worden, want dan valt de hele ketting uit elkaar. Duizenden computers wereldwijd berekenen bijzonder complexe wiskundige checksums om de gegevens in de blockchain te verzegelen. De blockchain maakt het mogelijk om rechtsgeldige certificaten op te stellen zonder dat daar een ingewikkelde procedure of een notaris bij komt kijken. De blockchain is dus een mechanisme waarmee informatie, in dit geval certificaten, gecontroleerd worden op authenticiteit. Heel veel technische mogelijkheden en nieuwe inzichten zullen hiermee ontstaan. Samen met IoT en een handjevol intelligentie ontstaan systemen zoals we deze nu nog niet kennen, na de vakantieperiode meer hierover.

Blockchain en het belang voor IoT

Volgens IBM is blockchain het nieuwe internet. Het wereldwijde web maakt verspreiding van informatie mogelijk, terwijl blockchain veilige transacties mogelijk maakt. De kern van blockchain is te vinden in betalingsverkeer. De basisgedachte is om zonder tussenpersoon transacties te realiseren en nog belangrijker te valideren. Deze piepjonge technologie biedt gigantische mogelijkheden, alle ICT-grootheden in de wereld spelen hier op in. Ook de ontwikkelaars van IoT platformen zijn met blockchain bezig. In deze blog kijken we naar de achtergrond van deze technologie om te zien waarom blockchain zo belangrijk is voor de doorontwikkeling van IoT.

https://www.youtube.com/watch?v=cDKmSW2Ljv8

Bitcoin heeft geen toekomst, blockchain wel
Het bedienen van slimme sloten, het ontgrendelen van vervoermiddelen, het gebruik van parkeerplaatsen en laadstations zijn maar wat voorbeelden waarvoor IoT in combinatie met blockchain kan worden ingezet. In basis gaat het hierbij om slimme contracten. Om dat te begrijpen moeten we eerst terug naar de basis van blockchain. Blockchain en de vaak in één adem genoemde Bitcoin bestaan zo’n kleine 10 jaar en zijn voortgekomen als antwoord op de wereldwijde financiële crisis. Vanwege het enorme data- en energieverbruik is het bijna ondenkbaar dat de huidige vorm van de Bitcoin technologie zal uitgroeien tot grootschalig gebruik, De achterliggende blockchain technologie daarentegen zeker wel. Deze heeft grootse mogelijkheden.

Ieder eigendomsrecht kan digitaal worden vastgelegd
Aan het einde van 2008 werd de bitcoin via internet geïntroduceerd en in 2009 werd de blockchain technologie voor iedereen beschikbaar. De bitcoin is een volledig digitale munt, die alleen in computerland bestaat. Blockchain is de fundering van het bitcoin betaalsysteem, en is zo robuust dat deze voor zover bekend nog nooit is gehackt. De enige missertjes zijn te vinden in beveiligingslekken aan de randen naar ‘echte’ valuta. We beschikken dus over robuuste technologie die bovendien veel meer mogelijkheden heeft dan betalingen. Ieder eigendom kan met een digitale representatie worden vastgelegd door middel van een blockchain en dat biedt ongekende mogelijkheden. Klantgegevens kunnen langdurig en fraudebestendig worden bewaard. Contracten kunnen zonder tussenkomst van mensen worden afgehandeld, de IoT devices doen de rest, dat geeft mooie kansen.

Techniek zorgt ervoor dat mensen elkaar kunnen vertrouwen
De zogeheten blockchain die dit allemaal mogelijk maakt bestaat uit een gedecentraliseerd database- en verificatiesysteem. De database is verspreid over knooppunten van een peer-to-peer netwerk. Het mooie van deze ingenieuze technologie is dat twee onbekenden, ondanks het ontbreken van een basis tot vertrouwen, gewoon een-op-een transacties kunnen uitvoeren die volledig safe en vertrouwelijk zijn. De vertrouwensfactor zit in de technologie die grotendeels is gebaseerd op wiskundige encryptie. De kern van de cruciale beveiliging is gebaseerd op zogenaamde hashwaarden. Het rekenwerk dat nodig is voor validatie en samenstelling van de blockchain wordt door heel veel samenwerkende computers in het netwerk gedaan. Deze computers bewaren allemaal de data (de blockchain) en controleren ook de blokken en geldigheid daarvan. Het samenspel van de vele computers zorgt ervoor dat gegevens alleen worden uitgegeven door de persoon die eigenaar is, bovendien kunnen gegevens nooit meer dan één keer uitgegeven worden door die eigenaar. Actoren in een transactie praten altijd rechtstreeks met elkaar.

Veel wiskunde en wat gokwerk, net het echte leven…
Om te controleren of een toe te voegen blok echt is wordt een zogenaamd Proof Of Work gemaakt. Dit stukje code is erg moeilijk te produceren en is gebaseerd op een volkomen willekeurig proces. De computers bereken niet maar gokken als het ware de uitslag op basis van 'trial and error'. De eerste computer die het juiste Proof Of Work heeft gegenereerd wordt daarna razendsnel door de overige computers in het netwerk gecontroleerd en kan als enige het betreffende blok toevoegen aan de blockchain. volgende keer haak ik nog wat meer in op de achtergronden van deze veelbelovende technologie.

Blockchain, cloud en IoT

Mijn vorige blog eindigde wat cryptisch met de vraagstelling of blockchain de nieuwe cloud zal worden. Daar kan ik redelijk kort in zijn, blockchain is geen vervanging voor cloud computing. Beide technologieën hebben elkaar keihard nodig om door te ontwikkelen. Op de InterConnect-cloudconferentie in Las Vegas die eind maart 2017 werd gehouden, was dit één van de belangrijkste uitspraken van de ceo van IBM, Ginni Rometty. IBM zet daarom volop in op cloud ontwikkelingen omdat deze techniek essentieel is voor blockchain en kwamtumtechnologie. De vier grootste cloudaanbieders (Amazon, Microsoft, IBM en Google) zijn het behoorlijk eens, data is het nieuwe goud en blockchain zal hierbij een prominente plaats innemen.

Cloud technologie ontwikkeld als een speer. Volgens de IBM topvrouw zullen bedrijven met behulp van deze technologie inzichten krijgen die ze ver op hun concurrentie vooruitbrengt. Ze zullen zelfs in staat zijn problemen op te lossen waarvan ze niet eens wisten dat ze deze hadden. Binnen IoT krijgt de cloud een steeds belangrijkere plaats. Als basis is er natuurlijk het IoT platform dat veelal in samenspel met Edge- of Fog-computing functioneert als de verkeersregelaar tussen de IoT nodes. Het IoT cloud platform haalt op zijn beurt weer informatie uit andere platformen, denk hierbij aan informatie gebaseerd op kunstmatige intelligentie. Blockchain wordt daarnaast gebruikt om vertrouwde en gevalideerde acties, al dan niet in combinatie met financieel verkeer vrij te geven. Zo langzamerhand wordt het IoT plaatje steeds completer.

IoT en transacties tussen apparaten
Ik kan me voorstellen dat het allemaal nog wat vaag klinkt, maar de praktijk is anders, de eerste serieuze toepassingen worden al op de markt gebracht. Een mooi voorbeeld vinden we bij het Duitse bedrijf Slock.it dat een applicatie heeft ontwikkeld om apparaten te delen. De techniek is gebaseerd op een slot dat te openen is door een betaling via blockchain (een smart contract). Het op deze wijze huren van een kamer zet niet alleen het traditionele betalingsverkeer buitenspel maar ook concepten als Airbnb worden overbodig of kunnen veel eenvoudiger van opgezet worden. De techniek staat nog aan het begin, maar kan uitgerold worden naar allerlei apparaten die je tegen een vergoeding wilt delen met anderen. De technologie kan worden gebruikt voor alledaagse artikelen als een ladder, een fiets of een schilderij dat je voor een bepaalde termijn wilt gebruiken/lenen.

Cognitive computing
De opkomst van blockchain in combinatie met IoT zal de wereld drastisch veranderen dat is zeker. Combineren we dat met computers die functioneren als het menselijk brein (cognitive computing) dan zijn de mogelijkheden vrijwel onbegrensd. Een gedachte die redelijk eng kan worden en waar ik zeker nog eens op terug kom. De ICT-reuzen in deze wereld zijn hier al volop mee bezig. Het uiteindelijke doel van hun platformen gebaseerd op Kunstmatige- of Artificiële Intelligentie (KI of AI) is cognitive. Platformen als IBM Watson, Microsoft Azure, Amazon Web Services (AWS) en Google Prediction API ontwikkelen van machine learning via kunstmatige intelligentie naar cognitive computing. Computers die beschikken over alle zintuigen die de mens ook heeft roept IBM, ik moet hier even over nadenken geloof ik…

Blockchain, het nieuwe internet
Ginny Rometti besloot haar enerverende speech met de woorden ‘Blockchain is wat mij betreft het nieuwe internet. Het wereldwijde web maakt verspreiding van informatie mogelijk, zoals blockchain veilige transacties mogelijk zal maken. Om dit proces te versnellen, is een wereldwijde standaard essentieel.’ Het lijkt me leuk om blockchain en de mogelijkheden hiervan wat verder uit te diepen de volgende keer.

Internet of Things, zo 20e eeuw…

De term internet der dingen stamt, hoe verrassend het ook mag klinken, uit de vorige eeuw. Ik tipte dit in mijn vorige blog al even aan. Eigenlijk is dit best een leuk onderwerp bedacht ik me later. Toen in 1991 voor het eerst over internet der dingen werd gesproken waren er nog niet veel meer toepassingen dan identificatie met RFID. Inmiddels zijn de nodes geen passieve elementen meer maar op zich staande mini- of microcomputers met eigen besturingssystemen. De technische oplossingen en mogelijkheden hebben zich hierop gelukkig aangepast, we hoeven ons dus, mits goed geëngineerd, geen zorgen te maken over stabiliteit en beveiliging van onze IoT technologie. Maar goed ook want het economisch belang wordt alsmaar groter.

In de techno wereld gaat het niet anders dan in de echte wereld en zie je vaak bepaalde systematiek komen, gaan en daarna weer terugkomen. Een bekend voorbeeld is centralisering versus decentralisering. De grote centrale server met eenvoudige terminals werd vervangen door snellere netwerken en bureaucomputers met meer intelligentie. Zo hobbelde het wat heen en weer in ICT land. Met de komst van een betrouwbare en snelle infrastuur was het de beurt aan datacenters. We slaan onze gegevens niet meer lokaal op, veel teveel gedoe met beveiliging en allerlei procedures, maar zetten dit in een veilige cloud omgeving. Met de komst van het IoT tijdperk hebben we weer andere belangen, we gaan cloud computing decentraliseren naar Edge of Fog computing.

Security, altijd de hoogste prioriteit
Veiligheid staat op de eerste plaats, daar worden we ons steeds bewuster van. De wereldwijde ransomware aanval die vorige week onder de naam WannaCrypt of WannaCry binnen 48 uur meer dan 200.000 slachtoffers in circa 150 landen op zijn naam schreef spreekt boekdelen. Ook op dit gebied zie je heen en weergaande structuren, die helaas vaak werken als de aloude put die gedempt werd nadat het kalf was verdronken. Bij cybercrime aanvallen worden mensen en organisaties wakker geschud en zie je beveiliging op hoger niveau komen. We weten het allemaal besturingssystemen moeten up-to-date worden gehouden, en ja, dit geldt ook voor onze IoT devices. Gebruik basiszaken als autorisatie, authenticatie, encryptie en afgeschermde netwerkensegmenten met bijbehorende firewalltechnologie. De IoT omgeving is net zo belangrijk als het bedrijfsnetwerk, behandel deze dan ook zo en hou alle benodigde technologie op de allerlaatste stand van beveiliging.

Decentralisatie van de cloud
Veel IoT oplossingen werken met een cloud platform dat is nu eenmaal een feit. Natuurlijk kun je de totale omgeving goed en veilig inrichten, maar ook op dit gebied zie je een golfbeweging ontstaan. Sommige experts beweren dat de cloud zal verdwijnen en op zich klinkt hun redenatie logisch. Binnen IoT oplossingen zie je een groei in capaciteit en vermogen van systemen die op locatie staan waar de gegevens worden gegenereerd, zogenaamde edge nodes. Ook op ander vlak kom je deze trend tegen. De noodzaak voor grote gecentraliseerde systemen in enorme datacenters zal steeds meer afnemen. We zitten blijkbaar weer in zo’n tussenfase. De hoeveelheid informatie is eenvoudigweg te groot en er is een gebrek aan bandbreedte om real time analyses te kunnen doen. De oplossing is te vinden in decentralisatie van het serverpark.

Ultieme infrastructuur of Blockchain?
Deze decentralisatie technologie kom je ook tegen onder de naam Fog computing. De credits voor deze toepasselijke naam gaan naar de Amerikaanse netwerkgigant Cisco. De golfbeweging in netwerkland blijft doorgaan. Waar het ooit begon met de transitie van mainframe naar gedistribueerde systemen in de jaren 80 en 90 decentraliseren we nu de cloud oplossingen. Het duurt vast niet lang voordat we weer centraliseren, wat zou het toverwoord worden? De ultieme infrastructuur of gaan we massaal over op iets heel anders? Misschien, blockchain als de nieuwe cloud?… Wordt vervolgt.

IoT kretologie – moet dat echt?

In mijn vorige blog had ik het over fog, edge en cloud. Wat een kretologie bedacht ik me nog net op tijd voordat ik in de ICT-pen wilde klimmen om maar eens wat dieper op de materie in te gaan. Ik ben niet zo’n voorstander van dit soort kreten als je ook andere mogelijkheden hebt om duidelijkheid te scheppen, maar… hoe zal IoT op deze weegschaal overkomen? De term internet der dingen stamt, hoe verrassend dit ook mag klinken, uit de vorige eeuw. De toepassingen kwamen in die tijd niet veel verder dan RFID technologie, de bekendheid was daarmee vrij laag.

Inmiddels zijn we met IoT veel verder dan het verbinden van mensen en dingen. Of zoals Wikipedia het zo mooi weet te benoemen: Door alle objecten, inclusief mensen, van identifiers te voorzien zou de echte wereld geïnventariseerd en gemanaged kunnen worden door computers. Te denken valt bijvoorbeeld ook aan het volgen van het transport van pakketjes. Tja, toen was het allemaal nog redelijk eenvoudig, identifiers of tags bevatten niet veel intelligentie en zijn ook in veel mindere mate kwaadaardig te beïnvloeden. Nu is dat wel anders, Wikipedia vervolgt: In de huidige visie spelen 'slimme' objecten een sleutelrol in het internet der dingen. In de huidige betekenis refereert de term internet der dingen dus aan 'dingen' die zelf computers zijn, en via internet zaken monitoren en regelen. That’s different cook, zou Van Gaal zeggen, computers zijn immers weldegelijk te beïnvloeden met allerlei vormen van cybercrime en andere narigheid.

IoT spullenboel rücksichtslos aan het internet?
Dat we met de huidige IoT technologie hoge eisen moeten stellen aan beveiliging is niet nieuw, iedere professional is daar volop mee bezig. De van goedvertrouwen zijnde particulier daarentegen knoopt zijn Alibaba spullenboel over het algemeen rücksichtslos aan het internet. Helaas blijft het veiligheidsbesef op dit gebied vaak ver achter, maar gelukkig zien we verbeterslagen. Zowel de fabrikanten als de consumenten worden zich steeds bewuster van de noodzaak, gelukkig maar, anders zullen de fraaie IoT gadgets en de consument uiteindelijk geen vriendjes blijven. We zullen dus de ICT-omgeving heel goed moeten inrichten, en ja, dan is enig vakjargon helaas onvermijdelijk.

De tussenlaag als oplossing?
Bij de nieuwere generatie IoT devices zien we vaak dat de producten voorzien zijn van een digitale laag als tussenbuffer voor communicatie met een cloud platform. Natuurlijk kun je in deze tussenlaag allerlei encryptie- en beveiligingsoplossingen opnemen, maar voor kritische toepassingen is dit niet genoeg. Het platform is de ‘verkeersregelaar’ voor de sensoren, signalen worden geanalyseerd en via logische verknopingen worden andere apparaten weer aangestuurd. Veel apparaten functioneren dus niet onafhankelijk, en hebben elkaar, inclusief een internetverbinding, nodig. Voor de slimme thermostaat die onze leefpatronen door wil geven aan zijn sponsors, of informatie over het weer van internet wil verzamelen, is dit niet zo kritisch en zal een rechtstreekse internetverbinding over het algemeen prima functioneren.

Professionele IoT oplossingen
In professionele toepassingen waar security op hoger niveau staat en waar grip op latency een belangrijke rol speelt moeten we andere maatregelen treffen. IoT apparaten horen afgeschermd te zijn in een apart netwerksegment of virtueel LAN (VLAN) zodat ze geen invloed kunnen hebben op bedrijfkritische data. Op deze wijze heb je veel mogelijkheden om beveiliging te optimaliseren. Daarnaast zie je vaak dat dataverwerking, analyse en aansturing dichter bij de devices moet plaatsvinden. Er komt als het ware een sever tussen de devices en het cloudplatform, dat biedt aanvullende mogelijkheden voor beveiliging en snelheid van dataverwerking. Cisco heeft de term Fog Computing hiervoor bedacht, op andere vlakken hoor je vaak over Edge Computing. Verschillen zijn er nauwelijks, maar daar verschillen de diverse inzichten al over. Ik kom hier nog op terug, lijkt me spannend!

IoT in galop – Domotica, bestaat dat nog?

Dagelijks worden we overspoeld met informatie over Internet of Things (IoT). Fabrikanten willen graag meeliften op dit marketinggeweld en gebruiken de kreet IoT te pas en te onpas om zich te profileren. Alle apparaten die ook maar iets met communicatie te maken hebben, al dan niet via een bedraad of onbedraad netwerk, zijn opeens slimme IoT-devices. En waarom ook niet, we willen immers alles met alles laten communiceren en knopen daartoe al onze apparaten direct of indirect aan het grote internet. Een mooie gedachte, maar niet onvoorwaardelijk…

IoT is dus ‘hot’ en dat horen we werkelijk overal. We zitten midden in een nieuwe digitale revolutie, waarbij nieuwe gadgets en serieuze toepassingen in hoog tempo op ons worden afgevuurd. IoT is een containerbegrip dat op allerlei manieren wordt gebruikt. Een grote diversiteit aan uitgekiende en slimme sensoren is al beschikbaar, de vele toepassingen en varianten kent een explosieve groei. Maar waarom zouden we ons uitsluitend concentreren op nieuwe sensoren, ook al jaren bestaande sensoren uit wat ‘oudere’ systemen geven informatie en zijn prima bruikbaar in de IoT omgeving. Het gaat er om dat de sensoren worden gekoppeld aan het alles overkoepelende internet.

Domotica.. wat was dat ook alweer?
Het woord domotica zijn we inmiddels alweer vergeten en dat is logisch. We hebben het eigenlijk met z'n allen nooit een fantastische benaming gevonden. Als we even al het IoT geweld naar de achtergrond schuiven en kijken naar woonhuisautomatisering dan zien we heel wat techniek voorbijkomen. Hierbij moeten we één ding niet vergeten. De cruciale techniek van ons huis zoals het bedienen van verlichting, klimaat en zonwering moet altijd functioneren. Real time, intuïtief en stabiel, het is net als met onze auto, het moet gewoon altijd en direct werken. De ontwikkelingen in woonhuisautomatisering hebben niet stilgestaan en de techniek is in sterke mate volwassen geworden. We kunnen gerust stellen dat we zijn beland in het tijdperk van domotica next generation.

Domotica Next Generation versus IoT
Waarschijnlijk gaan we de kreet domotica next generation nooit breed gebruiken, want het is immers gewoon een onderdeel van IoT waar we over praten. De gestandaardiseerde netwerken voor gebouw- en woningbesturing, zoals KNX, BacNet, ZigBee en Z-Wave liggen het dichts bij de IoT gedachte om alles met elkaar te laten communiceren. Voorlopig kunnen we nog volop uit de voeten met deze technieken. Belangrijk is dat we hier spreken over bewezen en stabiele techniek, veiligheid is een blijvend aandachtspunt waarin gelukkig continue verbeterslagen worden gemaakt. Met name het veiligheidsaspect is enorm belangrijk voor onze woon- of werkomgeving. We hechten aan onze privacy en willen daarnaast ook niet al onze apparatuur zomaar aan het internet ‘hangen’.

Edge en Fog computing
De ontwikkelingen in de domoticamarkt doen me sterk denken aan de ontwikkelingen op ICT gebied. Ook hier willen we niet zomaar onze gegevens klakkeloos in de cloud plaatsen. De term fog computing wordt hierbij vaak gehanteerd en is het best te vertalen als de laaghangende mist die korter op de informatiebron zit dan de verder gelegen cloud. De applicatieservices vinden in een tussenlaag plaats waardoor veel efficiënter en vooral veiliger kan worden gewerkt. In de industrie wordt vaak gesproken over edge computing. De gegevensverwerking van de slimme sensoren vindt plaats aan de buitenrand (edge) van het netwerk. Edge computing en Fog computing zijn twee termen met redelijk gelijkwaardige betekenis en doen me sterk denken aan onze gebouwnetwerken met een gateway naar de IoT omgeving. Mooie kreten, nieuwe ontwikkelingen en bestaande technieken liggen soms niet zo ver uit elkaar als we denken. Er moeten nog wel wat slagen worden gemaakt, een mooi onderwerp om in een volgende blog dieper op in te gaan.

De top 10 IoT voorspellingen, Gartner 2016/2017 (2)

Eind februari presenteerde onderzoeksbureau Gartner een publicatie over de belangrijkste IoT voorspellingen voor 2017 en 2018. In mijn vorige blog behandelde ik de eerste vijf gebieden. In deze bijdrage ga ik dieper in op IoT hardware, platformen en als laatste standaardisatie. Omdat Gartner ’s onderzoeken in de informatietechnologie als toonaangevend worden gezien is het de moeite waard deze aandachtspunten wat verder uit te diepen.

De vorige keer hadden we het over beveiliging, analytics, device management en de verschillende soorten netwerken. Er is een nieuwe bruisende economie van algoritmes op komst. In 2020 heeft dit ingrijpende gevolgen voor het werk van 1 miljard mensen. Op IoT gebied heeft Gartner hoge verwachtingen van draadloze netwerken met relatief klein bereik en laag energieverbruik. Een belangrijk punt waar we dus vol op kunnen inzetten. Ook op het gebied van hardware, software en platformen zijn er spannende ontwikkelingen in de sensoromgeving op komst. Ontwikkelingen die IoT veel veiliger, krachtiger en breder toepasselijk zullen maken.

IoT processoren: De meeste IoT apparaten werken uit kostentechnische overwegingen met low-end 8 bit processoren. Op zich geen probleem voor de beperkte functionaliteit van de meeste sensoren. Onze eisen op het gebied van beheer, data-analyse en beveiliging zullen toenemen en meer rekenkracht van processoren vragen. De verwachting is dat 32-bit processoren vanaf 2020 gemeengoed zullen zijn in ioT devices. Voor ontwikkelaars zal de keuze van de processor een boeiend onderdeel gaan worden de komende tijd.

IoT Operating Systemen: De bekende operating systemen als Windows en IoS zijn ontworpen voor IT omgevingen en daarmee veel te complex van opzet voor een eenvoudig IoT device. Er zijn op dit moment veel verschillende OS oplossingen voor IoT in gebruik. Er zullen de komende jaren steeds meer compacte besturingssystemen met kleine footprint specifiek voor IoT toepassingen op de markt komen.

Event stream processing: In toenemende mate zullen Iot devices data produceren. De vraag wordt alsmaar groter en steeds specifieker. Real-time overdracht en analyse is voor veel toepassingen vereist. Distributed Stream Computing Platforms (DSCPs) zullen dit vaak complexe klusje voor ons klaren. Om hoge data streams, analyse en patroon identificatie te verwerken zal een parallelle architectuur steeds meer toepassing vinden.

IoT platformen: Steeds meer toepassingen zoals Slimme woningen, gebouwen en steden zullen een specifiek platform vragen. Dit zal een veelvoud aan diensten mogelijk maken rondom IoT devices. De platformen zullen zich meer richten op het verwerken en analyseren van data die al dan niet via een REST-API beschikbaar wordt gesteld. Slimme software voor patroonherkenning, analyse en monitoring zal de boventoon voeren. Steeds vaker wordt gesproken over de digitale platform revolutie en als je een beetje de IoT ontwikkelingen volgt is dat wel degelijk herkenbaar. Er ontstaan steeds meer succesvolle technologieplatformen die vraag en aanbod beter, slimmer en winstgevender op elkaar weten af te stemmen. Gartner geeft aan dat de uitdaging zal zitten in het managen van de kosten voor monitoring en analytics van IoT apparaten. In 2022 zorgt IoT voor een omzet van 900 miljard dollar per jaar aan onderhoud en service. Een belangrijk aandachtsgebied voor de professionals dus.

IoT standaarden en Ecosystemen: De noodzaak van standaardisering en interoperabiliteit staat de komende tijd veelvuldig op de agenda in de IoT wereld. Er ontstaan ecosystemen rondom de platformen en devices met nieuwe toepassingen. Standaardisatie van de ioT systemen en niet te vergeten haar vele API’s is essentieel en zal een van de belangrijkste onderdelen vormen in een brede adoptie van IoT in het algemeen.

De top 10 IoT voorspellingen, Gartner 2016/2017 (1)

Eind februari presenteerde onderzoeksbureau Gartner een publicatie over de belangrijkste IoT voorspellingen voor 2017 en 2018. Gartner ’s onderzoeken worden in de informatietechnologie als toonaangevend gezien. De nieuwe vooruitblik op de tien belangrijkste IoT ontwikkelingen zijn daarom zeker de moeite waard om dieper over na te denken. Gartner heeft op IoT gebied hoge verwachtingen van draadloze netwerken met relatief klein bereik en laag energieverbruik.

Behalve IoT netwerken komen in de publicatie ook onderwerpen als beveiliging, platformen, processoren en data-analyse aan de orde. Verdeeld over twee blogs geef ik een korte samenvatting van tien gebieden die volgens Gartner de komende jaren een prominente rol zullen spelen in de IoT wereld. Een leuke bijkomstigheid hierbij is dat een aantal van deze voorspellingen goed aansluiten bij mijn eerder gepubliceerde blogs. We kunnen dus stellen dat Gartner en ik het redelijk met elkaar eens zijn.

IoT Security: Een item dat blijft terugkomen en waar we niet genoeg aandacht aan kunnen besteden. Zeker met de explosieve toename van IoT devices blijft beveiliging een belangrijk aandachtspunt. De processoren in IoT apparaatjes zijn over het algemeen niet krachtig en dus redelijk kwetsbaar voor bijvoorbeeld botnet aanvallen. De marktleiders zetten hoge budgetten in voor security, maar daarnaast is het van groot belang aandacht te besteden aan een goede inrichting en architectuur van de netwerken. Beheer en onderhoud vereisen volle aandacht en voorlopig zal hier voor deskundige partijen een goede markt liggen.

IoT Analytics: Uit de enorme hoeveelheid data die beschikbaar komt uit de grote diversiteit aan IoT sensoren wordt veel informatie gehaald. Informatie over gedrag van machines en mensen wordt gecombineerd met krachtige algoritmes. Er komt grote vraag naar software en engineers die deze data kunnen analyseren en interpreteren. De informatiebehoefte zal steeds meer verschuiving, het gaat steeds minder om het signaleren wat is gebeurt, maar meer hoe we zaken kunnen voorkomen en hoe we tijdig en slim kunnen ingrijpen. In 2020 zorgen algoritmes ervoor dat het werk van 1 miljard mensen ingrijpend zal veranderen en vooral veel leuker wordt. Toepassing van algoritmes gaat veel verder dan pure IoT toepassingen en zal op een kunstmatige manier de intelligentie van mensen ondersteunen. Hierbij kunnen we denken aan massale dataopslag die een grote collectie aan kennis bevat die mensen kunnen gebruiken bij hun dagelijkse werkzaamheden. Kennis is beschikbaar als je deze nodig hebt en zal ervoor zorgen dat het uitvoeren van werkzaamheden makkelijker, sneller en beter gedaan kan worden. Algoritmes zijn 'hot' en krijgen een steeds prominentere rol.

IoT Device Management: Alle apparaten moeten worden beheerd, dat is een uitdaging op zich en vraagt nauwgezette discipline. Goed beheer van zo'n grote hoeveelheid apparaten is alleen mogelijk met uitgekiend device management. Hierbij moet technologie beschikbaar zijn die rekening houdt met locatie en omstandigheden van de sensoren in samenhang van relevante (omgevings)factoren.

Low-Power, Short Range netwerken: De grootste groei aan ioT apparaten zit volgens Gartner, tot het jaar 2025, in de lokale netwerken. Uiteraard worden hier meerdere standaarden naast elkaar gehanteerd. Mobiele netwerken hebben nog onvoldoende dichtheid en ook de operationele kosten liggen vaak te hoog. Gezien de goedkope hardware en het relatief lage dataverbruik van de meeste IoT sensoren wordt de komende tijd nog sneller gebruik gemaakt van lokale netwerken.

Low-Power, Wide-Area netwerken: Mobiele netwerkproviders bouwen wereldwijd hun netwerken uit en zullen steeds meer naar gelicenseerde netwerkomgevingen overstappen. De huidige IoT providernetwerken zullen daarom op termijn worden vervangen door het veel geavanceerdere Narroband IoT. Toepassingen die communicatie vragen op nationaal of internationaal bereik zullen deze netwerkontwikkeling sterk stimuleren.

In mijn volgende blog bespreken het vervolg op de Gartner voorspellingen en behandelen we de overige vijf voorspellingen van dit prominente onderzoeksbureau.

IoT - zonder een mobiele provider!

Wanneer we het hebben over IoT denken we redelijk snel aan onze mobiele netwerkproviders. In mijn vorige blogs had ik het over LoRa, Sigfox en Narrow Band IoT (NB-IoT) en liet zijdelings ook de naam The Things Network (TTN) vallen. Terecht kwam een opmerking dat dit initiatief wat kort werd afgedaan als een netwerk dat in enkele grote steden actief is. Daarom kijken we in deze bijdrage uitgebreider naar TTN want net als in de ‘gewone’ wereld zijn er meerdere wegen die naar Rome leiden.

Zoals ik eerder aangaf denk ik dat NB-IoT de toekomst heeft, mede omdat deze technologie meelift op 4G en 5G ontwikkelingen en gebruik wordt gemaakt van een gelicenseerd frequentiespectrum. De NB-IoT mogelijkheden en technologie zijn voorlopig nog niet uitontwikkeld en daarnaast is ook de frequentieband voor LoRa en Sigfox nog lang niet vol. Er zal dus zeker de komende 10 jaren nog volop gebruik gemaakt worden van meerdere netwerken. Sterker nog we zullen altijd meerdere mogelijkheden en netwerken willen hebben, want kiezen uit één oplossing is immers erg beperkt.

De keuze is reuze…
Ik kan me voorstellen dat KPN op langere termijn haar IoT klanten zal overhevelen naar de gelicenseerde netwerken (NB-IoT) en daarbij LoRa zal uitfaseren. Dat geeft zeker niet het einde van deze techniek aan, het kan zelfs weer ruimte geven aan andere initiatieven. Ontwikkelaars van sensoren (nodes) zien dit ook en spelen daar op in door hun sensoren geschikt te maken voor meerdere netwerken. Dit geeft voor eindgebruikers minder afhankelijkheid, zij kunnen immers gemakkelijker overstappen op een andere netwerktechnologie. Sommige toepassingen vragen om een wereldomspannende dekking en dan moet je op zoek naar mogelijkheden om dit te realiseren. Ook niet iedereen wil gebruik maken van provider netwerken met hun commerciële modellen waar je geen grip op hebt. Het verdienmodel van providers is er immers op gericht hun voorfinanciering in het totale netwerk terug te verdienen met abonnementsmodellen.

Vrije netwerken geven echte innovatiekracht
Als bovenstaande criteria van toepassing zijn in een project kom je redelijk snel bij oplossingen zoals The Things Network. TTN is een van oorsprong Nederlands initiatief om een gratis en wereldwijd toegankelijk IoT netwerk te bouwen op basis van LoRa technologie. De stichting achter TTN houdt zich bezig met het aanbieden van neutrale routering van berichten, veelal via cloud-services met encryptie. De bedenkers van TTN hebben de filosofie dat alleen een vrij toegankelijk netwerk echte innovatiekracht zal geven. LoRa maakt net als Sigfox en een aantal andere technieken gebruik van de 868 MHz band. Deze frequentieband is niet gelicenseerd, maar wél gereguleerd. Je mag dus niet ongelimiteerd informatie versturen.

The Things Network, krachtig initiatief
Op 21 augustus 2015 lanceerde TTN via een kickstarter-project een dekkend IoT netwerk in Amsterdam dat in slechts anderhalve maand uit de grond werd gestampt. Tien deelnemende partijen installeerden een LoRa router van circa € 1.000 met een reikwijdte van circa 10 kilometer, waarmee 10.000 IoT apparaten kunnen connecteren. De code kwam opensource beschikbaar en dat bleef niet onopgemerkt in de IoT wereld. Het initiatief kreeg al snel navolging in Sidney, Boston en vele andere wereldsteden. In Nederlandse zijn inmiddels een groot aantal steden gevolgd, op dit moment zijn er al 385 gateways actief. De prijsontwikkeling staat niet stil, op dit moment is de prijs van een gateway circa € 300,--. Dagelijks breidt het netwerk uit en dat alles zonder tussenkomst van een provider.

Al met al biedt TTN een uitdagende techniek die vrij beschikbaar en bovendien gratis toegankelijk is. Iedereen kan er zelf mee aan de slag en hiermee bijdragen aan het community-initiatief om gateways voor LoRaWAN aan elkaar te knopen en op deze wijze één groot wereldwijd netwerk te maken.